StellarTech — издатель B2C мобильных приложений в сфере EdTech: подписные приложения, монетизация в приложениях и performance-маркетинг в больших масштабах. Прогнозирование LTV — это то, как мы решаем, куда инвестировать, и конвейер прогнозирования уже работает. Мы открываем эту вакансию, чтобы один старший аналитик отвечал за его точность и развитие. Это исследования и предиктивная аналитика, а не отчетность: все, что можно стандартизировать, уже автоматизировано Data Engineering, поэтому работа заключается в проверке гипотез, факторном анализе и улучшениях самого алгоритма прогнозирования. Вы будете отчитываться перед руководителем операционного департамента и работать напрямую с отделами Product, UA, Finance и Data Engineering.

Что предстоит делать

• Владеть и развивать алгоритм прогнозирования LTV: находить параметры и факторы, повышающие точность прогноза, прототипировать улучшения в SQL, измерять прирост, а затем передавать логику в Data Engineering.
• Валидировать прогнозы по закрытым когортам, отслеживать качество прогнозов с течением времени и объяснять, где именно модель отклоняется от фактического LTV.
• Исследовать, что влияет на LTV: функции продукта, сегменты, источники покупок (например, покупки через CRM по сравнению с другими источниками) и адаптировать к ним логику прогнозирования.
• Проводить аналитические исследования от начала до конца, от расплывчатого вопроса до документированной рекомендации для отделов Product, UA и Finance: где улучшается окупаемость, где сконцентрировать закупки рекламы, что изменяет юнит-экономику на уровне компании.
• Автоматизировать аналитические процедуры и мониторинг качества моделей совместно с Data Engineering.

Требования

Критично

• 4+ года работы на позициях Data Analyst / Senior Data Analyst / Product Analyst с фокусом на продуктовой аналитике: измерение влияния факторов на бизнес-метрики, а не маркетинговая атрибуция.
• Уверенный SQL: сложные запросы, оконные функции, оптимизация. Здесь SQL — основной инструмент для прототипирования и тестирования алгоритма.
• Солидные знания математической статистики и понимание работы ML-моделей: вы можете построить и валидировать прогноз, судить о качестве модели (MAE, RMSE, MAPE, R2), проводить факторный анализ и объяснять, где модель дала сбой.
• Опыт работы с продуктами, имеющими in-app монетизацию и понимание её экономики: LTV, когорты, retention, ROI, CAC, ARPU, payback. Идеально — подписки; другие модели in-app B2C также подходят. Монетизация только за счет рекламы — другой паттерн, который нам не подходит.
• Подтвержденный опыт сквозного анализа: вы берете расплывчатый вопрос, формулируете гипотезу, глубоко ее исследуете и доводите до рекомендации. Здесь нет микроменеджмента и почти нет стандартных задач.
• Способность подкреплять выводы данными и доносить их как техническим, так и бизнес-стейкхолдерам.

Не критично

• Python (pandas, numpy, scikit-learn) для анализа и моделирования: приветствуется, но не является препятствием, если есть статистическое и аналитическое мышление.
• A/B-тестирование и статистическая проверка гипотез.
• BI-инструменты (Tableau, Looker, Power BI).
• Облачные DWH и большие объемы данных (Athena, BigQuery, Snowflake, Redshift или аналоги).

Будет плюсом

• Feature engineering и интерпретация моделей (SHAP, feature importance).
• Мобильные продукты, гейминг или подписные бизнесы.
• Наш стек: Amazon Athena, S3-based DWH, CatBoost, Tableau, Git, Jupyter.

Почему Вам понравится работать с нами

• Значимая работа: Ваш вклад будет напрямую формировать будущее нашей компании.
• Инновационная среда: Мы всегда пробуем новое и раздвигаем границы в EdTech.
• AI-решения
• Доход: Мы предлагаем конкурентную заработную плату.
• Баланс: Гибкий оплачиваемый отпуск, вы получаете 21 день ежегодного отпуска + 10 государственных праздников.
• Культура сотрудничества: Работайте бок о бок с увлеченными профессионалами, которые так же целеустремленны, как и вы.

Процесс найма

• Вступительный звонок с рекрутером.
• Техническое интервью: SQL, основы статистики и ML, а также аналитический кейс о том, как вы строите план для исследования проблемы.
• Финальное интервью с руководителем департамента. Опционально — 30-минутное собеседование на соответствие культуре с HRBP.

Если это именно та работа, которой вы хотите управлять, отправьте нам свое резюме. Мы свяжемся с вами по поводу следующих шагов.